ASUS IoT kündigt PE8000G an | TechPowerUp
Mit seiner fortschrittlichen Architektur, PE8000G zeichnet sich durch den gleichzeitigen Betrieb mehrerer neuronaler Netzwerkmodule in Echtzeit aus – und stellt einen bedeutenden Fortschritt im Edge-KI-Computing dar. Mit seinem robusten Design, außergewöhnliche Leistung und große Auswahl an Funktionen, Die PE8000G-Serie ist bereit, KI-gesteuerte Anwendungen in zahlreichen Branchen zu revolutionieren, Wir heben Edge-KI-Computing auf ein neues Niveau und ermöglichen es Unternehmen, geschäftskritische Aufgaben mit Zuversicht anzugehen und ein beispielloses Maß an Produktivität und Innovation zu erreichen.
Dual-GPU-Leistung für nahtlose KI-Inferenz und durchdrungen von industrieller Stärke
PE8000G kann zwei Grafikkarten unterstützen, die jeweils bis zu 1000 Mbit/s erreichen 450 Watt, Redundanz ermöglichen, effizientes Hochdurchsatzrechnen, nahtlose Echtzeit-KI-Inferenzierung und beschleunigtes Computing am Netzwerkrand. Außerdem, PE8000G ist in der Lage, einen Eingangsbereich von 8–48 V DC zu verarbeiten und bietet eine integrierte Steuerung und Überwachung der Zündleistung, für flexible Energieoptionen in verschiedenen Einsatzszenarien. Mehr, Es ist so konstruiert, dass es den strengen Militärspezifikationen MIL-STD-810H für Widerstandsfähigkeit gegen Vibrationen und Erschütterungen entspricht. Der durch zwei GPUs unterstützte ausfallsichere Mechanismus trägt dazu bei, auch unter schwierigen Bedingungen genaue Inferenzergebnisse zu liefern, für Zuverlässigkeit und Vertrauen in die KI-gestützte Entscheidungsfindung.
Optimiert für Computer Vision und Wahrnehmung, und bereit für die Straße
PE8000G ist für Fahrzeugumgebungen optimiert, mit integrierter Zündleistungssteuerung und Leistungsüberwachung. Es zeichnet sich auch durch KI-gesteuerte Fabrikautomatisierung aus, Intelligente Videoanalyse (IVA) und Einsätze in rauen Umgebungen wie Straßeneinheiten (RSUs) und autonomes Fahren. Effiziente Vorverarbeitungs- und Wahrnehmungsfunktionen können die Datenvorbereitung optimieren und die Genauigkeit der KI-Schlussfolgerungen verbessern.